Viel Spaß beim Lesen!
Klage gegen Uber:
Uber wird von einer Gewerkschaft im Namen von zwei ehemaligen Fahrer:innen verklagt. Uber-Fahrer:innen müssen vor Arbeitsbeginn mit einem Selfie nachweisen, dass sie selbst fahren. Dieses Bild wird von Menschen oder einer Gesichtserkennungssoftware von Microsoft mit einem hinterlegten Bild verglichen.
Die Fahrer:innen wurden entlassen, nachdem die Gesichtserkennung sie nicht erkannt hat. Da Gesichtserkennungssoftware dafür bekannt ist, bei nicht-weißen Personen deutlich schlechter zu funktionieren, wirft die Gewerkschaft Uber Diskriminierung vor.
Kontaktloses Bezahlen in der Mensa:
Neun Schulen in der Nähe von Glasgow haben letzte Woche Gesichtserkennungssysteme für kontaktloses Bezahlen in der Mensa eingeführt. Als Begründung wurde angegeben, dass es schneller sei als die bestehenden Systeme zur Bezahlung mit Karte oder Fingerabdruck, sowie, dass man sein Gesicht nicht vergessen kann.
Gesichtserkennung statt U-Bahn-Tickets:
In Moskau kann man sich jetzt für ein Gesichtserkennungssystem für die U-Bahn registrieren, wodurch man durch die Drehkreuze laufen kann, ohne sein Ticket oder eine App vorzeigen zu müssen. In China wurde schon 2019 ein ähnliches System getestet und auch Osaka in Japan plant ein ähnliches System in den nächsten Jahren einzuführen.
Deepfake Apps um Fotos singen zu lassen:
t3n hat drei Deepfake Apps herausgesucht, mit denen man Fotos so singen lassen kann wie das Selfie von FDP und Grünen: https://t3n.de/news/fdp-gruene-selfie-apps-singen-1412234/
EU-Studie zu Deepfakes:
Das EU-Parlament hat in einer Studie die Auswirkungen von Deepfakes untersuchen lassen, und welche Maßnahmen nötig sind, um die Risiken zu minimieren. Dazu gehören zum Beispiel psychologische Risiken durch Verleumdung oder Mobbing, finanzielle Risiken wie durch Identitätsdiebstahl und Erpressung, sowie gesellschaftliche Risiken, wozu unter anderem die Manipulation von Wahlen und Nachrichten gehören.
Die Autoren schlagen vor, Deepfake-Technologie als Dual-Use Technologie zu regulieren, also wie Waren zu behandeln, die auch für militärische Zwecke genutzt werden können.
Außerdem schreiben sie, dass wir alle misstrauischer gegenüber Video- und Foto-Beweisen werden müssen.
Das aus der Serie The Big Bang Theory bekannte California Institute of Technology hat einen Roboter gebaut, der außer Beinen noch vier Propeller an den Schultern hat, die er zum Lenken und Halten des Gleichgewichts benutzt.
Das funktioniert so gut, dass er auf einer Slackline gehen und auf einem Skateboard durch einen Hindernisparkours fahren kann.
Weitere Vorteile der ungewöhnlichen Konstruktion: Fliegend kann der Roboter auch große Hindernisse überwinden und durch Einsatz der Propeller auch in schwierigen Bedingungen das Gleichgewicht halten.
Erlaubnis für kommerziellen Roboter-Taxidienst:
Die Verkehrsbehörde von Kalifornien hat Waymo und Cruise die Erlaubnis gegeben, einen kommerziellen Taxidienst mit autonomen Autos in Teilen von San Francisco und San Mateo anzubieten. Waymo durfte seine Autos zwar bereits seit 2018 und Cruise seit 2020 komplett autonom ohne Sicherheitsfahrer fahren lassen, aber bisher hatten sie nur eine Testerlaubnis.
Bewaffneter Roboter-Hund:
Ein amerikanisches Rüstungsunternhemen hat ein ferngesteuertes Gewehr auf einen Roboterhund der Firma Ghost Robotics montiert. Das Robotermodell wird bereits von der Air Force für Patrouillengänge eingesetzt.
Auch das französische Militär hat den Einsatz von Roboterhunden schon mit einem Modell von Boston Dynamics getestet.
Boston Dynamics, die bekannteste Roboterfirma, verbietet jedoch die Bewaffnung ihrer Roboter.
Microsoft hat in einem Blogpost das neue größte ML Modell zur Erzeugung von Sprache vorgestellt, das Forscher:innen von Microsoft und Nvidia zusammen entwickelt haben.
Das Modell mit dem Namen „Megatron-Turing NLG 530B“ hat 530 Milliarden Parameter. Zum Vergleich: GPT-3 von OpenAI, bisher das größte Modell zur Spracherzeugung, hat „nur“ 175 Milliarden Parameter.
Es basiert, wie alle sehr großen Sprachmodell der letzten Zeit, auf der Transformer Architektur, genauer gesagt dem Decoder-Teil davon, ähnlich wie GPT-3.
Trainiert wurde das Modell auf einem Supercomputer von Nvidia. Dieser besteht aus 560 Servern mit jeweils acht A100 Tensor Core 80GB Grafikkarten, also insgesamt 4.480 von Grafikkarten von Nvidias aktuellem Topmodell (Preis pro Stück: knapp 13.000€).
Als Trainingsdaten wurde The Pile genutzt, eine 825 GB große Sammlung von englischen Texten. Diese wurde noch nach verschiedenen Kriterien gefiltert, um die Datenqualität zu verbessern.
Die Forscher:innen erwähnen in ihrem Blogeintrag, dass das Modell, wie alle aktuellen Sprachmodelle, auch unerwünschte Dinge wie Vorurteile aus den Daten gelernt hat. Daher sollte man beim Einsatz darauf achten, dass geeignete Gegenmaßnahmen ergriffen werden, um Benachteiligungen zu verhindern.